理解BloomFilter

理解BloomFilter

一. 产生背景

很多时候，我们都有这样一个需求：判断一个元素是否存在于集合中。比如IDEA中的单词拼写检查，要判断一个用户输入的单词是否在词库中。

我们轻易能想到的一个简单的解决方案，就是使用一个Hash表，将所有合法的单词都保存在Hash表中，这样写入和查询的时间复杂度都为O(1)，还是很快的。但是这样做有一个问题，就是太耗费空间。而且由于Hash表的散列冲突问题，就更加剧了空间的占用。这时就可以应用Bloom Filter。

二. BloomFilter原理

Bloom Filter有两个要素：

1. 一个很长的二进制向量
2. 一系列随机映射函数(hash函数)

布隆过滤器的原理是：当一个元素被加入集合时，通过K个hash函数将这个元素映射成一个位数组中的K个点，并把这K个点置为1。检索时，我们只要看看这些点是不是都是1就（大约）知道集合中有没有它了：如果这些点有任何一个0，则被检元素一定不在；如果都是1，则被检元素很可能在。这就是布隆过滤器的基本思想。

可以注意到，上面用了大约、很可能这些修饰词，也就是说，BloomFilter是有一定误判率的：

1. 如果一个元素被判断为不存在，则一定不存在。
2. 如果一个元素实际不存在，但是其映射到的K个位置都是1，则会将其误判为存在。

三. BloomFilter使用场景

1. 垃圾邮件过滤
2. 白名单
3. 解决缓存穿透